中文缩略语还原技术初探.pdfVIP

中文缩略语还原技术初探 支流朱学锋段慧明 俞士汶 北京大学计算语言学研究所 E=m亟il：zhiliu壁Dku。金蛀u。￡n 摘要：缩略语是自然语言语汇的重要组成部分，是未定义词的主要来源之一，因此，缩略语研究也是自然语 言处理的一个重要课题。本项研究的最终目标是探索中文缩略语(简称)的规律，包括缩略语的生成和还原， 也就是缩略语的编码和解码。本文的工作旨在利用计算机自动还原中文缩略语(简称)，尚处于初步探索阶段。 本项研究利用北大计算语言学研究所的两大基本语言资源《现代汉语语法信息词典》和“大规模基本标注语 料库”，提出了面向信息处理的中文缩略语(简称)分类框架，完成了相当数量的缩略语归类，设计和实现了 一个基于模糊匹配的缩略语还原算法，从而为建立大规模缩略语(简称)数据库(主要包括缩略语及其对应 的完整语汇或全称这两项)准各了条件。总结已完成工作的经验，提出了改进方法，特别是提出了建设包含 缩略语相关句法、语义及其语境信息的缩略语知识库的构想。中文缩略语的研究也可为各种语言缩略语共同 规律的研究提供数据基础和技术借鉴。 关健词， 自然语言处理，缩略语，未定义词，缩略语数据库，缩略语知识库 Primary forRestorationofChineseAbbreviations Investigation Zhi Shiwen Liu，Zhu Xuefeng，DuanHuiming，Yu Institute 100084 Linguistics，PekingUniversity,Beijing ofComputational E-mail：zhiliu@pku．edu．en Abstract：Abbreviationsareessentialof ofnatural souroeof partvocabulary language，andimportant unregistered ofabbreviationisa sectionofNatural ofour words，therefore，the goal study significant LanguageProcessing．The and the is isto therulesoftheChinese howto restore abbreviation，and abbreviations(that studyinvestigate generate we hinese and oftheChinese this showhowtolet restoreC abbreviations)．In computers codingdecoding paper abbreviations workisbasedonthetwobasic resources—TheGrammatical primarily．Our language Knowledge·base of